R es tanto un lenguaje de programación como un programa.

R es una derivación de S, un lenguaje de programación creado por John Chambers en 1975-76 para Bell Labs.

Tanto R como RStudio son gratuitos.

R simplifica enormemente la replicabilidad de nuestro análisis:

• No hace falta copiar/pegar para reproducir proceso.
• Basta con "correr" nuevamente el código o script.
• Código bien documentado sirve como bitácora del procedimiento seguido durante análisis.

R simplifica la colaboración:

• Permite compartir el proceso y resultado de análisis de diferentes formas: Proyecto de R | código de R | doc. generado con RMarkdown.

R puede trabajar con todo tipo de base de datos.

R está en constante expansión (paquetes).

Es (relativamente) "fácil" encontrar respuestas a dudas de código:

• Enorme comunidad de programadores colaborando activa y gratuitamente.
• Generalmente, basta con buscar en Google y/o Stack Overflow.

Es un entorno de desarrollo integrado que simplifica y hace más amigable el uso de R.

Creado en 2010 por Joseph J. Allaire.

Versión inicial fue lanzada en 2011.

Versión actual: 1.0.383

Dos sabores:

• RStudio Desktop (Linux, Windows, macOS)
• RStudio Server (Linux)

Para hacer nuestra vida menos miserable al usar R.

• Organiza los páneles que de otra forma papalotean libremente
• Permite generar proyectos, lo cual ayuda a ordenar flujo de trabajo
• Compatible con sistemas de control de versiones (Git)
• Permite exportar gráficas fácilmente
• Autcomplete de código (¡horas y horas ahorradas!)

Está integrada por cuatro páneles:

1. Editor de código

R nos permite realizar diversas operaciones:

# Desde los cálculos más sencillos
2 + 2             

## [1] 4

4 * (6/3)

## [1] 8

74/3 + (10)^3

## [1] 1024.667

R nos permite generar bases de datos con diversas estructuras. Por ejemplo:

• Vectores

c(11, 43, 7, 23.45) # Númerico o numeric

## [1] 11.00 43.00  7.00 23.45

c("manzana", "pera", "carnitas", "crema") # Texto o character

## [1] "manzana"  "pera"     "carnitas" "crema"

R nos permite cargar datos de manera flexible, ya que podemos:

• Incorporar bases de datos en diferentes formatos (.csv, .xlsx, .dta, .sav, .json); y,
• Cargarlas desde diferentes orígenes (disco local, web, API, servidores)

Archivo .csv desde el disco local

library(readr)     # Cargar el paquete readr

read_csv("02_datos/cemabe_cdmx.csv")     

## # A tibble: 8,601 x 267
##       X1 ID_INM    CLAVE_CT   ENT          NOM_ENT   MUN      NOM_MUN
##    <int>  <int>       <chr> <int>            <chr> <int>        <chr>
##  1     1 199533 09DPR3037W2     9 Distrito Federal     2 Azcapotzalco
##  2     2 199680 09DJN0776G7     9 Distrito Federal     2 Azcapotzalco
##  3     3 199529 09DJN0789K7     9 Distrito Federal     2 Azcapotzalco
##  4     4 199512 09DPR2446T7     9 Distrito Federal     2 Azcapotzalco
##  5     5 199679 09DST0027G1     9 Distrito Federal     2 Azcapotzalco
##  6     6 199493 09DPR3030C1     9 Distrito Federal     2 Azcapotzalco
##  7     7 199588 09DPR2882U5     9 Distrito Federal     2 Azcapotzalco
##  8     8 199635 09DJN0260K1     9 Distrito Federal     2 Azcapotzalco
##  9     9 199644 09FUA0010E1     9 Distrito Federal     2 Azcapotzalco
## 10    10 199651 09DES0294K1     9 Distrito Federal     2 Azcapotzalco
## # ... with 8,591 more rows, and 260 more variables: LOC <int>,
## #   NOM_LOC <chr>, AGEB <chr>, MZA <int>, NOMBRECT <chr>, NIVEL <int>,
## #   MODALIDAD <int>, TURNO <int>, CONTROL <int>, ENT_ADMON <int>,
## #   P4A <chr>, P4B <chr>, P4C <chr>, P4D <chr>, P4E <chr>, P4F <chr>,
## #   P4G <int>, P4H <chr>, P4I <chr>, P4J <chr>, P4K <chr>, P148A <int>,
## #   P148B <int>, P148C <int>, P148D <int>, P148E <int>, P148F <int>,
## #   P148G <int>, P148H <int>, P149 <int>, P150 <int>, P151 <chr>,
## #   P152 <int>, P153 <int>, P154 <chr>, P155 <int>, P156 <int>,
## #   P157 <int>, P158 <int>, P159 <int>, P160 <int>, P161 <int>,
## #   P162 <int>, P163 <int>, P164 <int>, P165 <int>, P166 <int>,
## #   P167 <int>, P168 <int>, P169 <int>, P170 <int>, P171 <int>,
## #   P172 <int>, P173 <int>, P174 <int>, P175 <int>, P176 <int>,
## #   P177 <int>, P178 <int>, P179 <int>, P180 <int>, P181 <int>,
## #   P182 <int>, P183 <int>, P184 <int>, P185 <int>, P186 <int>,
## #   P187 <int>, P188 <int>, P189 <int>, P190 <int>, P191 <int>,
## #   P192 <int>, P193 <int>, P194 <int>, P195 <int>, P196 <int>,
## #   P197 <int>, P198 <int>, P199 <int>, P200 <int>, P201 <int>,
## #   P202 <int>, P203 <int>, P204 <int>, P205 <int>, P206 <int>,
## #   P207 <int>, P208 <int>, P209 <int>, P210 <int>, P211 <int>,
## #   P212 <int>, P213 <int>, P214 <int>, P215 <int>, P216 <int>,
## #   P217 <int>, P218 <int>, P219 <int>, ...

Una de las principales fortalezas de R son sus gráficas y mapas.

R nos permite controlar hasta el más mínimo detalle de una visualización.

Los resultados pueden ser de una gran calidad.

Ejemplo con R base

plot(diamonds$carat, diamonds$price,   # diamonds es un df precargado en ggplot2
     main = "Relación entre el número de carats de un diamante y su precio", 
     xlab = "Número de carats",
     ylab = "Precio")

Ejemplo con ggplot2

library(ggplot2)     #  Cargar paquete ggplot2

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point() +
  coord_cartesian(ylim = c(0, 20000)) +
  labs(title = "Relación entre el número de carats de un diamante y su precio",
       x = "Número de carats",
       y = "Precio")
  )

R nos permite guardar en su memoria temporal "cosas".

La lista de "cosas" es enorme e incluye:

• Resultados de cálculos

suma <- 7 + 4  

suma

## [1] 11

• Variables

x <- c(41, 5, 76)

x

## [1] 41  5 76

• Matrices y data frames

soy_una_matriz <- matrix(c(1, 3, 4, 2, 8, 10), nrow = 2) 

soy_una_matriz

##      [,1] [,2] [,3]
## [1,]    1    4    8
## [2,]    3    2   10

• Matrices y data frames

soy_un_df <- data.frame(col_1 = c(1, 3, 4), col_2 = c(2, 8, 10)) 

soy_un_df

##   col_1 col_2
## 1     1     2
## 2     3     8
## 3     4    10

• Gráficas

g <- ggplot(diamonds, aes(x = carat, y = price)) + 
  geom_point()

g <- ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point()
g

• Bases de datos

bd <- read_csv("http://segasi.com.mx/clases/cide/vis_man/datos/cemabe_cdmx.csv")     

## Warning: Missing column names filled in: 'X1' [1]

## Parsed with column specification:
## cols(
##   .default = col_integer(),
##   CLAVE_CT = col_character(),
##   NOM_ENT = col_character(),
##   NOM_MUN = col_character(),
##   NOM_LOC = col_character(),
##   AGEB = col_character(),
##   NOMBRECT = col_character(),
##   P4A = col_character(),
##   P4B = col_character(),
##   P4C = col_character(),
##   P4D = col_character(),
##   P4E = col_character(),
##   P4F = col_character(),
##   P4H = col_character(),
##   P4I = col_character(),
##   P4J = col_character(),
##   P4K = col_character(),
##   P151 = col_character(),
##   P154 = col_character(),
##   P264B = col_character(),
##   P264C = col_character()
##   # ... with 21 more columns
## )

## See spec(...) for full column specifications.

¿Para que nos sirve guardar estas "cosas" en la memoria de R?

Para reutilizarlas.

Por ejemplo:

x <- c(7, 8, 1)
y <- c(72, 18, 41)

x + y

## [1] 79 26 42

soy_un_df <- data.frame(col_1 = c(1, 3, 4), col_2 = c(2, 8, 10)) 

soy_un_df[, 2]   # Seleccion la segunda columna a la "antigüita"

## [1]  2  8 10

g <- ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point()

g + theme_minimal()

Cada vez que "guardamos" alguna cosa en R generamos un objeto.

Estos objetos "viviran" en la memoria de R mientras dure nuestra sesión de trabajo.

Por ello, en términos estrictos, en R no guardamos "cosas", sino que las asignamos temporalmente a un objeto.

Por default, R viene con muchos paquetes y funciones precargadas.

El más importante de ellos es el paquete base.

Hay dos formas de instalar y cargar paquetes:

• Desde la consola

install.packages("tidyverse") # Instalar

library(tidyverse) # Cargar

El tipo de datos y la estructura de los datos que utilizamos en R condiciona lo que podemos hacer con ellos.

Existen diversos tipos de datos en R.

En este taller nos concentraremos en cinco:

• numeric
• integer
• character
• factor
• logical

En la mayor parte de los casos, R considera a los números como datos de tipo numeric.

# Número decimal
decimal <- 10.5
class(decimal)

## [1] "numeric"

# Número entero
entero <- 10
class(entero)

## [1] "numeric"

Sin embargo, en ciertas ocasiones R considera a los números enteros como datos integer.

Ejemplo: Base de datos de las IESP

# Opción 2: Cargar bd utilizando URL
bd_iesp <- read.csv(
  url("http://segasi.com.mx/clases/cide/vis_man/datos/bd_iesp_07_10.csv")
  )

str(bd_iesp)   # Analizar la estructura de la bd

## 'data.frame':    129 obs. of  8 variables:
##  $ yr      : int  2007 2008 2009 2007 2008 2009 2007 2008 2009 2007 ...
##  $ inst    : Factor w/ 43 levels "Benemerita Universidad Autonoma de Puebla",..: 1 1 1 2 2 2 3 3 3 4 ...
##  $ acronimo: Factor w/ 43 levels "BUAP","CINVESTAV",..: 1 1 1 2 2 2 4 4 4 3 ...
##  $ d1      : int  3264 3141 3169 634 544 566 635 610 379 177 ...
##  $ m1      : int  44545 45524 50088 1844 2004 2109 852 843 855 331 ...
##  $ pa1     : int  170 162 139 56 54 54 38 37 33 18 ...
##  $ s2      : num  2042 2069 2210 1657 1754 ...
##  $ tipo    : Factor w/ 2 levels "Estatal","Federal": 1 1 1 2 2 2 2 2 2 2 ...

# Número entero
entero <- 10
class(entero)

## [1] "numeric"

# Número entero, transformado con as.integer()
entero <- 10
entero <- as.integer(entero)
class(entero)

## [1] "integer"

Cuando generamos una variable que incluye texto, por lo general R la considera como datos de tipo character.

# Variable de texto
texto <- "Soy un breve pero feliz texto."
class(texto)

## [1] "character"

Ojo: Las comillas son muy poderosas en R

# Aquí soy numeric
entero <- 10
class(entero)

## [1] "numeric"

# Pero si me pones comillas, me transformo en character
entero <- "10"
class(entero)

## [1] "character"

En ocasiones deseamos especificar que una variable que contiene texto, debe se tratada como una variable categórica.

Ejemplo: género, entidad, nivel educativo, etc.

Esto es útil para, entre otras cosas:

• Ordenar/colorear ciertos elementos de una vis
• Segmentar/dividir una base de datos o su análisis.

Si queremos definir una variable de texto como factor hay dos opciones.

# Si la variable fue creada primero como character, hay que transfomarla a factor
iesp_grandota <- "UNAM"
class(iesp_grandota) # Soy un dato de tipo character :(

## [1] "character"

# Pero ahora me van a convertir en un dato de tipo factor :D
iesp_grandota <- as.factor("UNAM")
class(iesp_grandota)

## [1] "factor"

R considera cada categoría de un factor como un level o nivel.

R siempre ordena los levels alfabéticamente y asigna un número (que no vemos) a cada nivel.

Para conocer el número de niveles que tiene un factor, utilizar la función nlevels()

# Explorar los nombres en la base de datos bd_iesp
names(bd_iesp)

## [1] "yr"       "inst"     "acronimo" "d1"       "m1"       "pa1"     
## [7] "s2"       "tipo"

# ¿Cuántos niveles tiene la variable "acronimo"?
nlevels(bd_iesp$acronimo)

## [1] 43

Para conocer el tipo de niveles que tiene un factor, utilizar la función levels()

# ¿Qué tipo de niveles tiene la variable "acronimo"?
levels(bd_iesp$acronimo)

##  [1] "BUAP"              "CINVESTAV"         "COLMEX"           
##  [4] "COLPOS"            "IPN"               "IT Sonora"        
##  [7] "U de Colima"       "U de G"            "U de Guanajuato"  
## [10] "U Veracruzana"     "UA Aguascalientes" "UA Campeche"      
## [13] "UA Cd. Juárez"     "UA Chapingo"       "UA Chiapas"       
## [16] "UA Chihuahua"      "UA Coahuila"       "UA del Carmen"    
## [19] "UA Guerrero"       "UA Nayarit"        "UA Querétaro"     
## [22] "UA Sinaloa"        "UA Tamaulipas"     "UA Tlaxcala"      
## [25] "UA Yucatán"        "UA Zacatecas"      "UAAAN"            
## [28] "UABC"              "UABCS"             "UABJ Oaxaca"      
## [31] "UAE Hidalgo"       "UAE México"        "UAE Morelos"      
## [34] "UAM"               "UANL"              "UASLP"            
## [37] "UJA Tabasco"       "UJE Durango"       "UMSNH"            
## [40] "UNAM"              "UNISON"            "UPN"              
## [43] "UQRoo"

Generalmente, los datos de tipo logical son creados al comparar dos variables o analizar su tipo.

x = 1      # Soy una (espantosa) x
y = 2      # Soy una y (y el doble de la x)
z <- x > y # ¿x es más grande que y? Guardar respuesta en z
z          # Imprimir el dato z

## [1] FALSE

class(z)   # ¿Qué tipo de dato es z?

## [1] "logical"

bd_iesp <- read.csv(
  url("http://segasi.com.mx/clases/cide/vis_man/datos/bd_iesp_07_10.csv")
  ) # Ojo: Noten que estoy usando read.csv(), no read_csv()

is.numeric(bd_iesp$s2) # ¿La variable "s2" es de tipo numeric?

## [1] TRUE

is.character(bd_iesp$inst) # ¿La variable "inst" es de tipo character?

## [1] FALSE

bd_iesp <- read.csv(
  url("http://segasi.com.mx/clases/cide/vis_man/datos/bd_iesp_07_10.csv")
  ) # Ojo: Noten que estoy usando read.csv(), no read_csv()

is.na(bd_iesp$acronimo) # ¿Algún valor de la variable "acronimo" es de tipo NA?

##   [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
##  [12] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
##  [23] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
##  [34] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
##  [45] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
##  [56] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
##  [67] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
##  [78] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
##  [89] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [100] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [111] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [122] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

Los vectores son la estructura de datos más básica y común en R.

Son el principal caballo de batalla.

Definición: un vector es un grupo o colección de valores almacenados como un solo objeto.

Existen diversas funciones para construir un vector:

• c() - Combinar datos numéricos o caracteres
• seq() - Secuencia de valores numéricos
• rep() - Secuencia de valores numéricos repetidos
• a:b - Secuencia consecutiva de valores numéricos

Ejemplos con c():

c(4, 137, 68) # Soy un vector numérico

## [1]   4 137  68

sr_vector_num <- c(4, 137, 68) # Ahora tengo nombre porque me guardaron en un objeto :D
sr_vector_num

## [1]   4 137  68

¿Cómo acordarse de c()? -> c de combinar.

Ejemplos con c() y una variable character:

c("Quen", "Pon", "Po") # Soy un vector de caracteres 

## [1] "Quen" "Pon"  "Po"

# Noten las " ". 
# Si no las incluyen, R asumirá que cada palabra se refiere a un objeto.

c(Quen, Pon, Po)  
#Error: object 'Quen' not found

sr_vector_car <- c("Quen", "Pon", "Po") # Y me llamo...
sr_vector_car

Ejemplos con seq():

# Argumentos de la función

seq([Valor inicial], 
    [Valor final], 
    [Magnitud de los "brincos"])

seq(8,      # Valor inicial 
    436,    # Valor (máximo) final
    16)     # Magnitud de los "brincos"

##  [1]   8  24  40  56  72  88 104 120 136 152 168 184 200 216 232 248 264
## [18] 280 296 312 328 344 360 376 392 408 424

Ejemplos con rep():

# Argumentos de la función

rep([Dato(s) a repetir], 
    [Núm. de veces que se debe(n) repetir]) 

# Ejemplo con un solo dato a repetir

rep(8,     # Dato(s) a repetir
    30)    # Núm. de veces que se debe(n) repetir

##  [1] 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8

Ejemplos con a:b

1:16

##  [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16

4:20

##  [1]  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20

Regla básica: vectores siempre deben contener el mismo tipo de datos (numeric, character, factor o logical).

vector <- c("Quen", 1, 345) # ¿Qué tipo de vector seré?

OJO: Si mezclan datos character con algún otro tipo, R asumirá que todos los datos son…

class(vector)

## [1] "character"

vector <- c(as.factor("casa"), 2, 76, FALSE) # ¿Qué tipo de vector seré?
                                             
                                             # ¡Que nervio! 

OJO 2: Si mezclan datos factor y/o logical con datos numeric, R asumirá que todos los datos son…

class(vector)

## [1] "numeric"

Ahora, noten la diferencia:

vector <- c(as.factor("casa"), 2, 76, FALSE)
vector_1 <- c(as.factor("casa"), 2, 76, "FALSE")

class(vector)

## [1] "numeric"

class(vector_1)

## [1] "character"

¿Por qué pasa esto en el caso del vector c(as.factor("casa"), 2, 76, FALSE)?

Porque cuando R detecta datos numeric y NO detecta datos character, transforma los datos de tipo factor y logical en números.

Datos factor

• El resultado de la transformación de R será el nivel del factor correspondiente (en este caso 1).

Datos logical

• Aunque no lo vemos, R siempre asigna valores númericos a los valores TRUE y FALSE.

TRUE = 1
FALSE = 0

En consecuencia, ¿cuál creen que sea el resultado de esta operación?

misterio_sin_resolver <- sum(c(FALSE, TRUE, TRUE, FALSE, TRUE, FALSE))

misterio_sin_resolver

## [1] 3

Esto porque hay tres TRUE en el vector que sumamos.

Las matrices se crean combinando vectores del mismo tipo y dimensiones.

# Ejemplo con cbind() - Column bind

a <- c(34, 26, 89) # Soy un vector
b <- c(1, 22, 18) # Soy otro vector

matriz <-  cbind(a, b)
matriz

##       a  b
## [1,] 34  1
## [2,] 26 22
## [3,] 89 18

# Ejemplo con rbind() - Row bind

a <- c(34, 26, 89) # Soy un vector
b <- c(1, 22, 18) # Soy otro vector

matriz <-  rbind(a, b)
matriz

##   [,1] [,2] [,3]
## a   34   26   89
## b    1   22   18

Ejemplo con vectores character:

a <- c("bajo", "medio", "alto") 
b <- c("azul", "rojo", "blanco")

matriz <-  cbind(a, b)
matriz

##      a       b       
## [1,] "bajo"  "azul"  
## [2,] "medio" "rojo"  
## [3,] "alto"  "blanco"

Si combinamos vectores numeric y character o factor en una matriz, R asumirá que todos los vectores son character o factor.

a <- c(34, 26, 89) # Soy un vector numeric
b <- c("azul", "rojo", "blanco") # Soy un vector character

matriz <-  cbind(a, b)
matriz

##      a    b       
## [1,] "34" "azul"  
## [2,] "26" "rojo"  
## [3,] "89" "blanco"

Si combinamos vectores de diferentes dimensiones en una matriz, R:

• Nos advertirá de esto; y,
• Reciclará los valores del vector de menores dimensiones.

a <- c(34, 26, 89) # Soy un vector con tres valores
b <- c(34, 26, 89, 13, 45)  # Soy un vector con cinco valores

matriz <-  cbind(a, b)

## Warning in cbind(a, b): number of rows of result is not a multiple of
## vector length (arg 1)

matriz

##       a  b
## [1,] 34 34
## [2,] 26 26
## [3,] 89 89
## [4,] 34 13
## [5,] 26 45

Otra forma de construir matrices: matrix()

matriz <- matrix(c(34, 67, 89, 1, 45, 90, 10, 34), 
                     nrow = 2, # Número de renglones
                     ncol = 4) # Número de columnas
matriz

##      [,1] [,2] [,3] [,4]
## [1,]   34   89   45   10
## [2,]   67    1   90   34

matriz <- matrix(c(34, 67, 89, 1, 45, 90, 10, 34), 
                     nrow = 2) # Sólo número de renglones
matriz

##      [,1] [,2] [,3] [,4]
## [1,]   34   89   45   10
## [2,]   67    1   90   34

matriz <- matrix(c(34, 67, 89, 1, 45, 90, 10, 34), 
                     ncol = 4) # Sólo número de columnas
matriz

##      [,1] [,2] [,3] [,4]
## [1,]   34   89   45   10
## [2,]   67    1   90   34

¿Qué pasa si no especificamos el número de renglones o columnas?

matriz <- matrix(c(34, 67, 89, 1, 45, 90, 10, 34))
matriz

##      [,1]
## [1,]   34
## [2,]   67
## [3,]   89
## [4,]    1
## [5,]   45
## [6,]   90
## [7,]   10
## [8,]   34

Al igual que las matrices, los data frames se crean combinando vectores.

La gran diferencia respecto a las matrices es que un data frames puede ser integrado por vectores de diferente tipo.

Para generar un data frame, hay dos opciones:

• La función data.frame() del paquete base
• La función data_frame() del paquete tibble

Con data.frame():

edad <- c(34, 26, 89) # Soy un vector y seré la primera columna
color <- c("azul", "rojo", "blanco") # Soy otro vector y seré la segunda columna

d.f <-  data.frame(edad, color)

d.f

##   edad  color
## 1   34   azul
## 2   26   rojo
## 3   89 blanco

También podemos definir los vectores directamente dentro de data.frame():

d.f <-  data.frame(edad = c(34, 26, 89), 
                  color = c("azul", "rojo", "blanco"))
d.f

##   edad  color
## 1   34   azul
## 2   26   rojo
## 3   89 blanco

Dentro de data.frame() usamos "=", no "<-".

Con data_frame():

library(tibble)       # O, en su caso, al cargar tidyverse

d_f <-  data_frame(edad = c(34, 26, 89), 
                  color = c("azul", "rojo", "blanco"))

d_f

## # A tibble: 3 x 2
##    edad  color
##   <dbl>  <chr>
## 1    34   azul
## 2    26   rojo
## 3    89 blanco

*Ustedes piensan:*

• "Pos se ven igual el data.frame() y data_frame(), ¿no?"

*Yo les respondo (telepáticamente):*

• "Pos no"

A diferencia de data.frame(), la función data_frame():

• Genera versión moderna de data frames: tibble.

Vamos a usar el mismo archivo, pero descargándolo con read.csv() y read_csv().

Los archivos cargados con:

• read.csv() guardan la bd con data.frames()

• read_csv() guardan la bd con data_frames()

# Con read.csv()
b.d <- read.csv(url("http://segasi.com.mx/clases/cide/vis_man/datos/bd_iesp_07_10.csv"))

# Con read_csv()
library(readr)     # Cargar readr

b_d <- read_csv("http://segasi.com.mx/clases/cide/vis_man/datos/bd_iesp_07_10.csv")

class(b.d)

## [1] "data.frame"

class(b_d)

## [1] "tbl_df"     "tbl"        "data.frame"

str(b.d)

## 'data.frame':    129 obs. of  8 variables:
##  $ yr      : int  2007 2008 2009 2007 2008 2009 2007 2008 2009 2007 ...
##  $ inst    : Factor w/ 43 levels "Benemerita Universidad Autonoma de Puebla",..: 1 1 1 2 2 2 3 3 3 4 ...
##  $ acronimo: Factor w/ 43 levels "BUAP","CINVESTAV",..: 1 1 1 2 2 2 4 4 4 3 ...
##  $ d1      : int  3264 3141 3169 634 544 566 635 610 379 177 ...
##  $ m1      : int  44545 45524 50088 1844 2004 2109 852 843 855 331 ...
##  $ pa1     : int  170 162 139 56 54 54 38 37 33 18 ...
##  $ s2      : num  2042 2069 2210 1657 1754 ...
##  $ tipo    : Factor w/ 2 levels "Estatal","Federal": 1 1 1 2 2 2 2 2 2 2 ...

str(b_d)

## Classes 'tbl_df', 'tbl' and 'data.frame':    129 obs. of  8 variables:
##  $ yr      : int  2007 2008 2009 2007 2008 2009 2007 2008 2009 2007 ...
##  $ inst    : chr  "Benemerita Universidad Autonoma de Puebla" "Benemerita Universidad Autonoma de Puebla" "Benemerita Universidad Autonoma de Puebla" "Centro de Investigacion y de Estudios Avanzados del IPN" ...
##  $ acronimo: chr  "BUAP" "BUAP" "BUAP" "CINVESTAV" ...
##  $ d1      : int  3264 3141 3169 634 544 566 635 610 379 177 ...
##  $ m1      : int  44545 45524 50088 1844 2004 2109 852 843 855 331 ...
##  $ pa1     : int  170 162 139 56 54 54 38 37 33 18 ...
##  $ s2      : num  2042 2069 2210 1657 1754 ...
##  $ tipo    : chr  "Estatal" "Estatal" "Estatal" "Federal" ...
##  - attr(*, "spec")=List of 2
##   ..$ cols   :List of 8
##   .. ..$ yr      : list()
##   .. .. ..- attr(*, "class")= chr  "collector_integer" "collector"
##   .. ..$ inst    : list()
##   .. .. ..- attr(*, "class")= chr  "collector_character" "collector"
##   .. ..$ acronimo: list()
##   .. .. ..- attr(*, "class")= chr  "collector_character" "collector"
##   .. ..$ d1      : list()
##   .. .. ..- attr(*, "class")= chr  "collector_integer" "collector"
##   .. ..$ m1      : list()
##   .. .. ..- attr(*, "class")= chr  "collector_integer" "collector"
##   .. ..$ pa1     : list()
##   .. .. ..- attr(*, "class")= chr  "collector_integer" "collector"
##   .. ..$ s2      : list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   .. ..$ tipo    : list()
##   .. .. ..- attr(*, "class")= chr  "collector_character" "collector"
##   ..$ default: list()
##   .. ..- attr(*, "class")= chr  "collector_guess" "collector"
##   ..- attr(*, "class")= chr "col_spec"

Por default, data.frame() (y read.csv()) asume que todas las variables que incluyan cadenas de texto son de tipo factor.

Si quieren evitar esto, deben establecer el argumento stringsAsFactors = FALSE.

data.frame(..., 
           stringsAsFactors = FALSE)

read.csv(..., 
           stringsAsFactors = FALSE)

#  Con data.frame()
d.f_1 <- data.frame(1980 = c(10, 20, 30),
                     1981 = c(30, 20, 10),
                     1982 = c(0, 0, 0))

# Error: unexpected '=' in "prueba_1 <- data.frame(1980 ="

d.f_2 <- data.frame(`1980` = c(10, 20, 30),
                     `1981` = c(30, 20, 10),
                     `1982` = c(0, 0, 0))

d.f_2

##   X1980 X1981 X1982
## 1    10    30     0
## 2    20    20     0
## 3    30    10     0

#  Ahora con data_frame()
d_f_2 <- data_frame(`1980` = c(10, 20, 30),
                     `1981` = c(30, 20, 10),
                     `1982` = c(0, 0, 0))

d_f_2

## # A tibble: 3 x 3
##   `1980` `1981` `1982`
##    <dbl>  <dbl>  <dbl>
## 1     10     30      0
## 2     20     20      0
## 3     30     10      0

d.f_2 #  Con data.frame()

##   X1980 X1981 X1982
## 1    10    30     0
## 2    20    20     0
## 3    30    10     0

d_f_2 #  Con data_frame()

## # A tibble: 3 x 3
##   `1980` `1981` `1982`
##    <dbl>  <dbl>  <dbl>
## 1     10     30      0
## 2     20     20      0
## 3     30     10      0

b.d   # OJO: No muestro la columna "inst" 

##       yr          acronimo    d1     m1 pa1        s2    tipo
## 1   2007              BUAP  3264  44545 170  2041.530 Estatal
## 2   2008              BUAP  3141  45524 162  2069.220 Estatal
## 3   2009              BUAP  3169  50088 139  2209.790 Estatal
## 4   2007         CINVESTAV   634   1844  56  1657.250 Federal
## 5   2008         CINVESTAV   544   2004  54  1754.020 Federal
## 6   2009         CINVESTAV   566   2109  54  1818.780 Federal
## 7   2007            COLPOS   635    852  38   837.388 Federal
## 8   2008            COLPOS   610    843  37   881.013 Federal
## 9   2009            COLPOS   379    855  33   799.195 Federal
## 10  2007            COLMEX   177    331  18   504.647 Federal
## 11  2008            COLMEX   179    357  18   443.303 Federal
## 12  2009            COLMEX   184    369  18   455.061 Federal
## 13  2007               IPN  8771  84816 176  9018.840 Federal
## 14  2008               IPN  9027  87225 189  9593.430 Federal
## 15  2009               IPN  9537  91426 198  9959.150 Federal
## 16  2007         IT Sonora  1632  14735  73   220.329 Estatal
## 17  2008         IT Sonora  1632  14735  73   227.793 Estatal
## 18  2009         IT Sonora  1632  14807  76   242.269 Estatal
## 19  2007             UAAAN   507   4071  36   702.954 Federal
## 20  2008             UAAAN   512   4537  34   673.290 Federal
## 21  2009             UAAAN   484   4746  33   739.929 Federal
## 22  2007       UABJ Oaxaca  1138  18885  41   432.702 Estatal
## 23  2008       UABJ Oaxaca  1221  18698  52   451.419 Estatal
## 24  2009       UABJ Oaxaca  1395  18560  49   505.264 Estatal
## 25  2007       UA Chapingo   686   4019  45  1730.000 Federal
## 26  2008       UA Chapingo   713   4125  44  1789.990 Federal
## 27  2009       UA Chapingo   732   4093  45  1899.090 Federal
## 28  2007 UA Aguascalientes  1422  11660 100   449.535 Estatal
## 29  2008 UA Aguascalientes  1418  11548 115   455.806 Estatal
## 30  2009 UA Aguascalientes  1384  11674 111   473.601 Estatal
## 31  2007              UABC  3351  35067 159   913.368 Estatal
## 32  2008              UABC  3860  38004 145   910.845 Estatal
## 33  2009              UABC  3141  41768 151   956.367 Estatal
## 34  2007             UABCS   382   5330  41   213.757 Estatal
## 35  2008             UABCS   426   4890  39   215.510 Estatal
## 36  2009             UABCS   568   4805  40   225.499 Estatal
## 37  2007       UA Campeche   437   5177  34   321.097 Estatal
## 38  2008       UA Campeche   426   5424  63   340.539 Estatal
## 39  2009       UA Campeche   452   5898  66   355.487 Estatal
## 40  2007        UA Chiapas  1467  18486 110   518.367 Estatal
## 41  2008        UA Chiapas  1576  18754  99   521.721 Estatal
## 42  2009        UA Chiapas  1600  20144 111   560.051 Estatal
## 43  2007      UA Chihuahua  2264  21124 145   474.324 Estatal
## 44  2008      UA Chihuahua  2573  22378 147   487.283 Estatal
## 45  2009      UA Chihuahua  2348  23942 128   516.201 Estatal
## 46  2007     UA Cd. Juárez  1729  18653  72   523.440 Estatal
## 47  2008     UA Cd. Juárez  1915  19518  74   545.081 Estatal
## 48  2009     UA Cd. Juárez  2059  19982  85   591.923 Estatal
## 49  2007       UA Coahuila  1855  21458 144   717.712 Estatal
## 50  2008       UA Coahuila  1960  21728 122   741.508 Estatal
## 51  2009       UA Coahuila  2032  22848 123   768.885 Estatal
## 52  2007       UA Guerrero  1096  21717  60   936.427 Estatal
## 53  2008       UA Guerrero  1141  22156  76   933.767 Estatal
## 54  2009       UA Guerrero  1099  22427  73   997.821 Estatal
## 55  2007        UA Nayarit  1016  10684  49   675.053 Estatal
## 56  2008        UA Nayarit   732  11895  48   714.418 Estatal
## 57  2009        UA Nayarit  1059  12226  53   802.215 Estatal
## 58  2007              UANL  4931  66400 281  2723.380 Estatal
## 59  2008              UANL  5315  68940 262  2821.150 Estatal
## 60  2009              UANL  5742  71650 230  2958.470 Estatal
## 61  2007      UA Querétaro  1589  14372 132   648.650 Estatal
## 62  2008      UA Querétaro  1691  15279 137   649.820 Estatal
## 63  2009      UA Querétaro  1770  15863 149   711.703 Estatal
## 64  2007             UASLP  1878  20640 114  1038.120 Estatal
## 65  2008             UASLP  1670  21775 136  1043.550 Estatal
## 66  2009             UASLP  1684  22265 136  1113.640 Estatal
## 67  2007        UA Sinaloa  2868  46430 147  1909.630 Estatal
## 68  2008        UA Sinaloa  3093  47757 154  1913.160 Estatal
## 69  2009        UA Sinaloa  3161  48189 157  2024.910 Estatal
## 70  2007     UA Tamaulipas  2657  39353 185  1178.080 Estatal
## 71  2008     UA Tamaulipas  2769  40574 207  1211.130 Estatal
## 72  2009     UA Tamaulipas  2439  40413 223  1255.710 Estatal
## 73  2007       UA Tlaxcala  1140  10421  53   330.205 Estatal
## 74  2008       UA Tlaxcala  1171   9870  60   335.932 Estatal
## 75  2009       UA Tlaxcala  1161   9713  60   371.735 Estatal
## 76  2007        UA Yucatán  1024  11237  94  1058.180 Estatal
## 77  2008        UA Yucatán   939  11638  95  1069.320 Estatal
## 78  2009        UA Yucatán   910  12439  96  1122.500 Estatal
## 79  2007      UA Zacatecas  1497  15000  87   739.387 Estatal
## 80  2008      UA Zacatecas  1541  17463  96   769.804 Estatal
## 81  2009      UA Zacatecas  1735  18117  92   802.007 Estatal
## 82  2007     UA del Carmen   449   3983  57   159.914 Estatal
## 83  2008     UA del Carmen   385   4066  56   178.769 Estatal
## 84  2009     UA del Carmen   383   4248  40   187.378 Estatal
## 85  2007       UAE Hidalgo  2407  19760  95   613.600 Estatal
## 86  2008       UAE Hidalgo  2322  19714  88   650.807 Estatal
## 87  2009       UAE Hidalgo  2111  20445  90   672.123 Estatal
## 88  2007        UAE México  4399  35274 219   835.082 Estatal
## 89  2008        UAE México  4593  36299 242   849.976 Estatal
## 90  2009        UAE México  4668  36466 249   901.268 Estatal
## 91  2007       UAE Morelos  1298  11470  82   525.284 Estatal
## 92  2008       UAE Morelos  1260  11414  87   541.133 Estatal
## 93  2009       UAE Morelos  1296  11967  86   565.363 Estatal
## 94  2007               UAM  5329  46418 114  4449.930 Federal
## 95  2008               UAM  5329  46418 114  4734.530 Federal
## 96  2009               UAM  5809  50131 142  5035.770 Federal
## 97  2007       U de Colima  1151  10883 124   788.964 Estatal
## 98  2008       U de Colima  1183  11495 121   783.403 Estatal
## 99  2009       U de Colima  1341  11670 115   862.730 Estatal
## 100 2007            U de G  7059  74265 363  2290.110 Estatal
## 101 2008            U de G 10614  77316 385  2351.310 Estatal
## 102 2009            U de G  7439  82543 336  2522.470 Estatal
## 103 2007   U de Guanajuato  1689  13188 119   722.554 Estatal
## 104 2008   U de Guanajuato  1838  14567 127   764.210 Estatal
## 105 2009   U de Guanajuato  1869  15876 128   810.652 Estatal
## 106 2007             UQRoo   336   3179  35   104.457 Estatal
## 107 2008             UQRoo   321   3260  35   107.700 Estatal
## 108 2009             UQRoo   312   3265  33   118.010 Estatal
## 109 2007            UNISON  1959  22830 114   577.052 Estatal
## 110 2008            UNISON  2021  23540 125   591.254 Estatal
## 111 2009            UNISON  1648  23249 138   659.729 Estatal
## 112 2007       UJA Tabasco  2151  26129  66   470.750 Estatal
## 113 2008       UJA Tabasco  2029  25978  77   490.902 Estatal
## 114 2009       UJA Tabasco  2098  26068  81   553.176 Estatal
## 115 2007       UJE Durango  1222  10643  67   515.484 Estatal
## 116 2008       UJE Durango  1329  10987  79   526.327 Estatal
## 117 2009       UJE Durango  1369  11788  93   553.281 Estatal
## 118 2007             UMSNH  2216  36135  77   962.714 Estatal
## 119 2008             UMSNH  3163  38079 103   970.837 Estatal
## 120 2009             UMSNH  3163  38079 103  1035.530 Estatal
## 121 2007              UNAM 26887 185029 364 22138.800 Federal
## 122 2008              UNAM 33577 186641 338 23128.600 Federal
## 123 2009              UNAM 29172 193992 318 24302.200 Federal
## 124 2007               UPN  5200  65736 362   609.334 Federal
## 125 2008               UPN  4961  63587 353   644.665 Federal
## 126 2009               UPN  4870  62784 359   654.521 Federal
## 127 2007     U Veracruzana  4677  49142 220  1395.420 Estatal
## 128 2008     U Veracruzana  4530  51383 232  1415.240 Estatal
## 129 2009     U Veracruzana  4347  53542 242  1541.100 Estatal

b_d   # OJO: No muestro la columna "inst" 

## # A tibble: 129 x 7
##       yr  acronimo    d1    m1   pa1       s2    tipo
##    <int>     <chr> <int> <int> <int>    <dbl>   <chr>
##  1  2007      BUAP  3264 44545   170 2041.530 Estatal
##  2  2008      BUAP  3141 45524   162 2069.220 Estatal
##  3  2009      BUAP  3169 50088   139 2209.790 Estatal
##  4  2007 CINVESTAV   634  1844    56 1657.250 Federal
##  5  2008 CINVESTAV   544  2004    54 1754.020 Federal
##  6  2009 CINVESTAV   566  2109    54 1818.780 Federal
##  7  2007    COLPOS   635   852    38  837.388 Federal
##  8  2008    COLPOS   610   843    37  881.013 Federal
##  9  2009    COLPOS   379   855    33  799.195 Federal
## 10  2007    COLMEX   177   331    18  504.647 Federal
## # ... with 119 more rows

• head(x) - Imprime los primeros renglones del objeto
• tail(x) - Imprime los últimos renglones del objeto
• View(x) - Abre el objeto entero en una nueva ventana
• nrow() - Número de renglones
• ncol() - Número de columnas

• dim() - Número de renglones y columnas
• rownames() - Muestra los nombres de los renglones
• colnames() - Muestra los nombres de las columnas
• names() - Muestra los nombres de las columnas
• str() - Muestra la estructura del data frame (dimensiones y tipos de cada variable)

bd <- read.csv(url("http://segasi.com.mx/clases/cide/vis_man/datos/bd_iesp_07_10.csv"))

head(bd)

##     yr                                                    inst  acronimo
## 1 2007               Benemerita Universidad Autonoma de Puebla      BUAP
## 2 2008               Benemerita Universidad Autonoma de Puebla      BUAP
## 3 2009               Benemerita Universidad Autonoma de Puebla      BUAP
## 4 2007 Centro de Investigacion y de Estudios Avanzados del IPN CINVESTAV
## 5 2008 Centro de Investigacion y de Estudios Avanzados del IPN CINVESTAV
## 6 2009 Centro de Investigacion y de Estudios Avanzados del IPN CINVESTAV
##     d1    m1 pa1      s2    tipo
## 1 3264 44545 170 2041.53 Estatal
## 2 3141 45524 162 2069.22 Estatal
## 3 3169 50088 139 2209.79 Estatal
## 4  634  1844  56 1657.25 Federal
## 5  544  2004  54 1754.02 Federal
## 6  566  2109  54 1818.78 Federal

tail(bd)

##       yr                            inst      acronimo   d1    m1 pa1
## 124 2007 Universidad Pedagogica Nacional           UPN 5200 65736 362
## 125 2008 Universidad Pedagogica Nacional           UPN 4961 63587 353
## 126 2009 Universidad Pedagogica Nacional           UPN 4870 62784 359
## 127 2007         Universidad Veracruzana U Veracruzana 4677 49142 220
## 128 2008         Universidad Veracruzana U Veracruzana 4530 51383 232
## 129 2009         Universidad Veracruzana U Veracruzana 4347 53542 242
##           s2    tipo
## 124  609.334 Federal
## 125  644.665 Federal
## 126  654.521 Federal
## 127 1395.420 Estatal
## 128 1415.240 Estatal
## 129 1541.100 Estatal

View(bd)

# Número de renglones

nrow(bd)

## [1] 129

# Número de columnas
ncol(bd)

## [1] 8